代码智能体算法研究员
岗位摘要
负责代码数据的合成、清洗、权重分配与来源扩充，持续提高代码训练与后训练阶段的数据质量；探究预训练小领域数据的配比与最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题；探究深度推理技术、测试时计算与模型效果的扩展规律，参与后训练奖励模型与强化学习算法的优化流程
岗位职责
- 负责代码数据的合成、清洗、权重分配与来源扩充，持续提高代码训练与后训练阶段的数据质量
- 探究预训练小领域数据的配比与最终效果之间的关系，开发数据合成链路，解决代码模型中的关键问题
- 探究深度推理技术、测试时计算与模型效果的扩展规律，参与后训练奖励模型与强化学习算法的优化流程
- 专注于代码强化学习中奖励模型的优化与创新，包括与监督微调阶段配合解决判别能力较差的场景
- 探究合成数据进行代码奖励模型的预训练，组织标注人员进行代码奖励模型标注，以及评论家模型的前沿探究
- 利用强化学习方法改进智能体的规划、反思与工具利用能力，强化代码智能体在实际场景中的可用性
- 探索基于人机协同的高质量数据挖掘与合成，加强智能体的规划与工具利用能力
- 构建代码智能体的基础能力，包括规划能力、测试用例生成与代码生成能力
- 构建多模态智能体，提升多模态大模型在基于人类反馈的强化学习中的训练效果
- 构建代码智能体的自动化评测与容器环境生成
任职要求
- 预计毕业时间介于2026年9月至2027年8月的国内外计算机、数学、人工智能等相关专业优秀应届毕业生
- 具备软件工程背景，具有扎实的计算机科学功底和编程能力，熟悉常见算法和数据结构，具有良好的编程习惯
- 熟悉语言模型的基本技术与模型结构，对人工智能的未来有信仰和工作热情
- 工作认真细致，计划性强，具有刨根问底的探究精神，对研发工作有实事求是的落地信念，追求最终效果而非盲目追求新颖方法，对工作内容有较强责任感
- 有全国青少年信息学奥林匹克竞赛、国际大学生程序设计竞赛经历者优先
- 有推荐、搜索领域出色的数据驱动工作经验者优先
- 熟悉强化学习相关技术和细节，曾深度参与强化学习项目或语言模型项目者优先
- 具有较强的工程能力，能迅速熟悉公司内外部平台工具使用，具有主动提升效率的意识
加分项
- 有NOI、ACM竞赛经历者优先
- 有推荐、搜索领域出色的数据驱动工作者优先
- 熟悉强化学习相关技术和细节，曾深度参与强化学习项目或语言模型项目
- 具有较强的工程能力，能迅速熟悉公司内外部平台工具使用，具有主动提升效率的意识
福利待遇
- 薪资范围50-80K，16薪
工作地址
北京海淀区大恒科技大厦00